Εκτίμηση της ποιότητας του κρέατος με χρήση μεθόδων μηχανικής μάθησης

Περίληψη

Τη σημερινή εποχή, οι καταναλωτές απαιτούν συνεχή επιβεβαίωση της προέλευσης, της ποιότητας και της συμμόρφωσης με την ετικέτα των τροφίμων που αγοράζουν. Για το λόγο αυτό, οι βιομηχανίες τροφίμων, οι έμποροι και οι αρχές είναι αναγκαίο να αναπτύξουν προηγμένες, αποτελεσματικές και χαμηλού κόστους λύσεις για τη διασφάλιση της ποιότητας και τον εντοπισμό δόλιων πρακτικών. Σε αυτό το πλαίσιο, η μελέτη αυτή εστιάζει (α) στην πολυφασματική απεικόνιση (Multispectral Imaging-MSI), (β) την φασματοσκοπία υπέρυθρου με μετασχηματισμό Fourier (Fourier Transform Infrared -FTIR spectrometry) και (γ) την εφαρμογή προηγμένων μεθόδων ανάλυσης δεδομένων και μηχανικής μάθησης. Όσον αφορά την ποιότητα, εξετάστηκε η αποτελεσματικότητα των προαναφερόμενων μεθόδων σε σχέση με (α) τον εντοπισμό της μη-συμμόρφωσης με την ετικέτα ή/και δόλιων πρακτικών και (β) τη μικροβιολογική αλλοίωση. Οι ακόλουθες αναλύσεις, έλαβαν χώρα:Στην 1η περίπτωση, εξετάστηκε η νοθεία του μοσχαρίσιου κιμά με χοιρινό. Χρησιμοποιήθηκα ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Currently, consumers expect constant reassurance of the origin, quality and compliance to label of the food products they purchase. Therefore, food industries, retailers and authorities have to develop advanced, effective and relatively low-cost solutions for quality assurance and detection of fraudulent practices. In this context, this study focuses on (a) Multispectral Imaging (MSI), (b) Fourier Transform Infrared (FTIR) spectrometry and (c) the application of advanced data analysis and machine learning methodologies. In terms of quality, the efficacy of the abovementioned methods concerning (a) non-compliance to label/ fraud detection and (b) microbiological spoilage is examined and the following analyses took place:In the first case, minced beef adulteration with pork was investigated. MSI data from 220 meat samples from four independent experiments (different meat batches) were extracted. Adulteration was performed with a 10% w/w step, creating 11 classes of samples (including pur ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41807
ND
41807
Εναλλακτικός τίτλος
Determination of minced meat quality using machine learning
Συγγραφέας
Ροπόδη, Αθηνά Ιωάννης
Ημερομηνία
2017
Ίδρυμα
Γεωπονικό Πανεπιστήμιο Αθηνών. Σχολή Τροφίμων Βιοτεχνολογίας και Ανάπτυξης. Τμήμα Επιστήμης Τροφίμων και Διατροφής του Ανθρώπου. Εργαστήριο Μικροβιολογίας και Βιοτεχνολογίας Τροφίμων
Εξεταστική επιτροπή
Νυχάς Γεώργιος-Ιωάννης
Μανωλάκος Ηλίας
Πανάγου Ευστάθιος
Καράντζαλος Κωνσταντίνος
Δροσινός Ελευθέριος
Mohareb Fady
Σκανδάμης Παναγιώτης
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμες Ηλεκτρονικών Υπολογιστών & Πληροφορικής
Γεωργικές Επιστήμες
Άλλες Γεωργικές Επιστήμες
Λέξεις-κλειδιά
Ποιότητα κρέατος; Ανάλυση δεδομένων; Μηχανική μάθηση; Πολυφασματική απεικόνιση; Φασματοσκοπία υπερύθρου με μετασχηματισμό Fourier
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xxvi, 232 σ., εικ., πιν., σχημ., γραφ.